Claude Managed Agents: Was sie sind, was sie tun und wie Eigent eine lokale Alternative bietet

Am 1. April 2026 veröffentlichte Anthropic still und leise eine der bedeutendsten Ergänzungen der Claude-Plattform seit dem Modell selbst: Claude Managed Agents. Dies ist kein neues Modell — es ist eine neue Art, Claude auszuführen. Statt Prompts zu senden und Antworten über die Messages API zu erhalten, können Sie Claude jetzt als vollständig autonomen Agenten innerhalb einer verwalteten Cloud-Infrastruktur bereitstellen — mit persistenten Sitzungen, integrierten Tools und Multi-Agenten-Orchestrierung.

Für Entwickler, die KI-gestützte Produkte bauen, ist das ein wichtiger Wandel. Für Teams, die evaluieren, wie autonome Agenten in ihre Workflows integriert werden können, wirft das wichtige Fragen zu Kontrolle, Kosten und Vendor Lock-in auf.

In diesem Beitrag erläutern wir, was Claude Managed Agents eigentlich ist, was es unterstützt, für wen es gedacht ist und — am Ende — wie Eigents Add-Worker-Funktion mit dem Open-Source-Framework von CAMEL-AI eine Local-First-Alternative bietet, die ähnliche Fähigkeiten ohne Cloud-Abhängigkeit bereitstellt.

Was sind Claude Managed Agents?

Claude Managed Agents ist eine vollständig verwaltete Laufzeitumgebung für das Erstellen und Bereitstellen autonomer KI-Agenten, die von Claude angetrieben werden. Statt Ihren eigenen Agenten-Loop, die Tool-Ausführungsschicht, die Sandbox und die Orchestrierungslogik zu bauen, stellt Anthropic all diese Infrastruktur als Service bereit.

Stellen Sie es sich so vor: Die Messages API gibt Ihnen ein Modell, mit dem Sie sprechen können. Claude Managed Agents gibt Ihnen ein Modell, das handeln kann — Dateien lesen, Shell-Befehle ausführen, im Web suchen und Code in einem sicheren Cloud-Container ausführen, den Anthropic für Sie bereitstellt und verwaltet.

Der Dienst befindet sich derzeit in der Beta und erfordert den Header managed-agents-2026-04-01 bei allen API-Anfragen. Er ist standardmäßig für alle Anthropic-API-Konten verfügbar, wobei bestimmte erweiterte Funktionen (outcomes, multiagent und memory) sich in der Research Preview mit eingeschränktem Zugriff befinden.

Zentrale Konzepte: So funktioniert es

Claude Managed Agents basiert auf vier Grundbausteinen, die Sie zu autonomen Workflows zusammensetzen.

Agents

Ein Agent ist eine wiederverwendbare Konfiguration, die das Modell (z. B. claude-sonnet-4-6), den System-Prompt, die verfügbaren Tools, eventuelle MCP-Server-Verbindungen und Skills definiert. Sie erstellen einen Agenten einmal und referenzieren ihn über seine ID in mehreren Sitzungen. Agenten sind versioniert, sodass Sie Ihre Konfiguration weiterentwickeln können, ohne bestehende Sitzungen zu unterbrechen.

Environments

Ein Environment ist eine Cloud-Container-Vorlage. Sie konfigurieren es mit vorinstallierten Paketen (Python, Node.js, Go und mehr), Netzwerkzugriffsregeln und eingebundenen Dateien. Wenn eine Sitzung startet, stellt Anthropic einen frischen Container aus Ihrer Environment-Vorlage bereit. Hier läuft Ihr Agent tatsächlich — in seiner Sandbox.

Sessions

Eine Session ist eine laufende Instanz eines Agenten innerhalb eines Environments. Sie ist der eigentliche Ausführungskontext, in dem Claude Aktionen ausführt, Dateien erzeugt, Befehle startet und Ergebnisse produziert. Sessions sind zustandsbehaftet: Das Dateisystem bleibt zwischen Interaktionen erhalten, und der vollständige Gesprächsverlauf wird serverseitig gespeichert.

Events

Events sind die Kommunikationsschicht zwischen Ihrer Anwendung und dem laufenden Agenten. Sie senden Benutzernachrichten als Events. Claude streamt Antworten, Tool-Aufrufe und Statusaktualisierungen über Server-Sent Events (SSE) zurück. Sie können den Agenten während der Ausführung steuern oder unterbrechen, indem Sie zusätzliche Events senden — und so seine Arbeit umleiten, ohne die Sitzung zu beenden.

Welche Tools werden unterstützt?

Claude Managed Agents wird mit einem umfassenden integrierten Toolset ausgeliefert, das die gängigsten Agentenaktionen abdeckt.

Das Standard-Toolset (agent_toolset_20260401) umfasst Bash zum Ausführen von Shell-Befehlen im Container, Read zum Lesen von Dateien aus dem lokalen Dateisystem, Write zum Schreiben von Dateien, Edit zum Ersetzen von Zeichenfolgen in Dateien, Glob für Dateimusterabgleich, Grep für regex-basierte Textsuche, Web Fetch zum Abrufen von Inhalten aus URLs und Web Search zum Suchen im Web.

Alle Tools sind standardmäßig aktiviert, aber Sie haben granulare Kontrolle. Sie können bestimmte Tools deaktivieren (z. B. web_fetch für einen reinen Coding-Agenten abschalten) oder den Standard auf aus setzen und nur die Tools aktivieren, die Sie benötigen. Dies geschieht über das Array configs in Ihrer Agentendefinition.

Über die integrierten Tools hinaus unterstützt Claude Managed Agents benutzerdefinierte Tools — nach dem gleichen Muster wie benutzerdefinierte Tools in der Messages API. Sie definieren den Tool-Vertrag (Name, Beschreibung, Eingabeschema), und Claude erzeugt strukturierte Anfragen, wenn es Ihr Tool aufrufen möchte. Ihre Anwendung führt die Operation aus und sendet das Ergebnis zurück. Das Modell führt benutzerdefinierte Tools niemals direkt aus; Sie behalten die volle Kontrolle darüber, was ausgeführt wird.

MCP-Server (Model Context Protocol) werden ebenfalls unterstützt und geben Agenten über die standardisierte MCP-Schnittstelle Zugriff auf externe Tool-Anbieter und Datenquellen.

Multi-Agenten-Orchestrierung

Vielleicht die leistungsstärkste Fähigkeit — derzeit in der Research Preview — sind Multi-Agenten-Sitzungen. Damit kann ein koordinierender Agent die Arbeit an andere spezialisierte Agenten delegieren, die jeweils in ihrem eigenen isolierten Thread innerhalb desselben Containers und Dateisystems laufen.

So funktioniert es in der Praxis: Sie erstellen mehrere Agenten — etwa einen Koordinator „Engineering Lead“, einen Agenten „Code Reviewer“ und einen Agenten „Test Writer“. Beim Definieren des Koordinators listen Sie die anderen Agenten als callable_agents auf. Wenn Sie eine Sitzung mit dem Koordinator starten und ihm eine Aufgabe geben, kann er autonom Threads für den Reviewer und den Test Writer erzeugen und spezifische Teilaufgaben an jeden delegieren.

Jeder Agent arbeitet mit seinem eigenen Modell, System-Prompt und seinen eigenen Tools. Threads sind persistent — der Koordinator kann Follow-ups an einen Agenten senden, den er zuvor aufgerufen hat, und dieser Agent behält seinen vollständigen Kontext. Der Event-Stream auf Sitzungsebene gibt Ihnen eine verdichtete Sicht auf alle Aktivitäten, während Sie mit den individuellen Thread-Streams in das Reasoning und die Tool-Aufrufe eines bestimmten Agenten eintauchen können.

Es gibt eine erwähnenswerte Einschränkung: Es wird nur eine Delegationsstufe unterstützt. Der Koordinator kann andere Agenten aufrufen, diese Agenten können jedoch nicht weiter delegieren. Dadurch bleibt der Orchestrierungsgraph flach und vorhersehbar.

Für wen sind Claude Managed Agents gedacht?

Claude Managed Agents ist für ein bestimmtes Profil von Entwicklern und Workloads konzipiert.

Es ist für Entwickler gedacht, die autonome Claude-Agenten in Produkte und Services integrieren. Wenn Sie ein Produkt bauen, bei dem Claude handeln muss — nicht nur antworten — und Sie möchten, dass Anthropic die Infrastruktur (Container, Tool-Ausführung, Sandboxing) übernimmt, dann ist dies der passende Service.

Es eignet sich hervorragend für langlaufende, asynchrone Aufgaben. Sitzungen können über Minuten oder Stunden mit mehreren Tool-Aufrufen laufen, was es für komplexe Workflows wie Codegenerierung, Research-Pipelines, Datenverarbeitung und automatisierte Analysen geeignet macht.

Es ist ideal für Teams, die möglichst wenig Infrastruktur-Overhead wollen. Statt Ihren eigenen Agenten-Loop zu bauen, Sandboxes bereitzustellen und die Tool-Ausführung zu handhaben, erhalten Sie all das direkt out of the box. Der Nachteil ist die Abhängigkeit vom Anbieter — Ihre Agenten laufen in Anthropics Cloud, Ihre Daten fließen durch deren Infrastruktur, und Sie sind an Claude-Modelle gebunden.

Es passt zu Teams, die im Claude-Ökosystem entwickeln. Wenn Sie die Anthropic API bereits nutzen und ohne zusätzliche Infrastruktur in agentische Workflows erweitern möchten, sind Managed Agents der naheliegende nächste Schritt.

Was es kostet

Claude Managed Agents verwendet dieselbe tokenbasierte Preisgestaltung wie die Messages API, zuzüglich Infrastrukturkosten für die verwalteten Container. Es gelten die üblichen Ausgabenlimits auf Organisationsebene und die ratenbasierten Limits nach Tarif. Create-Endpunkte sind auf 60 Anfragen pro Minute begrenzt, Read-Endpunkte auf 600 Anfragen pro Minute und Organisation.

Die Kompromisse: Was Sie bedenken sollten

Claude Managed Agents ist ein gut entwickelter Dienst, bringt aber inhärente Kompromisse mit sich, die für bestimmte Teams und Anwendungsfälle wichtig sind.

Cloud-Abhängigkeit. Ihre Agenten laufen auf Anthropics Infrastruktur. Jeder Prompt, jede Datei und jede Tool-Ausführung läuft durch deren Cloud. Für Teams mit strengen Data-Governance-, Compliance- oder proprietären Datenanforderungen kann das ein Ausschlusskriterium sein.

Modell-Lock-in. Managed Agents unterstützt nur Claude-Modelle. Sie können nicht GPT für Codegenerierung, Gemini für multimodale Aufgaben oder lokale Modelle über Ollama mischen. Wenn Modellvielfalt für Ihren Workflow wichtig ist, sind Sie eingeschränkt.

Preisgestaltung in großem Maßstab. Tokenkosten plus Container-Infrastrukturkosten können sich bei langlaufenden, Multi-Agenten-Sitzungen schnell summieren. Das Kostenmodell begünstigt eher Aufgaben mit geringem Volumen und hohem Wert als Automatisierung mit hohem Durchsatz.

Beta-Einschränkungen. Multi-Agenten-Orchestrierung, outcomes und memory befinden sich alle in der Research Preview mit eingeschränktem Zugriff. Das Kernprodukt ist solide, aber die leistungsstärksten Funktionen sind noch nicht allgemein verfügbar.

Keine lokale Option. Es gibt keine selbst gehostete oder On-Premises-Bereitstellung. Managed bedeutet verwaltet — Sie können dies nicht auf Ihren eigenen Servern ausführen.

Eigents Add Worker: Eine Local-First-Alternative auf Basis von CAMEL-AI

Für Teams, die ähnliche Fähigkeiten wollen — autonome KI-Agenten erstellen, konfigurieren und orchestrieren — ohne Cloud-Abhängigkeit oder Vendor Lock-in, bietet Eigent einen grundlegend anderen Ansatz.

Eigent ist eine Open-Source-(Apache 2.0)-Multi-Agenten-KI-Coworking-Plattform, die auf CAMEL-AI, dem branchenüblichen Open-Source-Multi-Agenten-Framework, aufbaut. Während Claude Managed Agents Agenteninfrastruktur als Cloud-Service bereitstellt, liefert Eigent sie als Desktop-Anwendung, die vollständig auf Ihrer Maschine läuft.

Die Add-Worker-Funktion

Eigens Add Worker-Funktion ist das lokale Gegenstück zum Erstellen eines Agenten in Claude Managed Agents. So funktioniert es:

Sie navigieren in Eigent zum Workforce-Bildschirm und klicken auf „Add Worker“. Sie benennen Ihren Worker, geben eine Beschreibung an und weisen ihm ein Agent Tool zu — typischerweise einen MCP-Server, der die Fähigkeiten des Workers definiert. Speichern Sie es, und Sie haben einen spezialisierten KI-Agenten, der bereit ist, Aufgaben mit diesem Toolset auszuführen.

Zum Beispiel könnten Sie einen „GitHub Worker“ erstellen, der von einem GitHub-MCP-Server unterstützt wird, einen „Database Worker“, der mit Ihrer PostgreSQL-Instanz verbunden ist, oder einen „Research Worker“ mit Web-Browsing-Fähigkeiten. Jeder Worker ist eine spezialisierte Agenten-Persona, die einzeln aufgerufen oder als Teil eines koordinierten Multi-Agenten-Workflows orchestriert werden kann.

Der entscheidende Unterschied zu Claude Managed Agents: Alles läuft lokal. Ihre Dateien verlassen nie Ihre Maschine. Ihre Prompts werden nicht an einen Orchestrierungsdienst eines Drittanbieters gesendet. Die Agentenausführung, Tool-Aufrufe und Dateioperationen finden alle auf Ihrem Desktop statt.

CAMEL-AI: Die Multi-Agenten-Engine

Während Anthropic eine proprietäre Orchestrierungs-Laufzeitumgebung gebaut hat, nutzt Eigent CAMEL-AI — ein Open-Source-Multi-Agenten-Framework, das auf Zuverlässigkeit und Erweiterbarkeit ausgelegt ist. CAMEL-AI übernimmt die schwierigen Teile der Multi-Agenten-Koordination: Aufgabenzerlegung, Routing von Teilaufgaben, Abhängigkeitsmanagement und parallele Ausführung.

Wenn Sie Eigent eine komplexe Aufgabe geben, zerlegt die CAMEL-AI-Engine sie in Teilaufgaben und verteilt sie auf Ihre konfigurierten Worker. Ein Developer-Worker schreibt Code, während ein Browser-Worker Recherchen sammelt und ein Document-Worker Ausgaben formatiert — alles läuft parallel und wird automatisch koordiniert.

Architektonisch ist das Claude Managed Agents' Multi-Agenten-Sitzungen ähnlich, aber mit drei entscheidenden Unterschieden: Es läuft lokal auf Ihrer Infrastruktur, es unterstützt jeden LLM-Anbieter (Claude, GPT, Gemini, Ollama und mehr), und das Orchestrierungs-Framework selbst ist Open Source und vollständig prüfbar.

Gegenüberstellung: Claude Managed Agents vs. Eigent Add Worker

Wann Eigent mehr Sinn macht

Wenn Ihr Team Datensouveränität braucht — regulierte Branchen, proprietäre Codebasen, sensible Geschäftsdaten — eliminiert das lokale Ausführen von Agenten mit Eigent die Compliance-Diskussion vollständig.

Wenn Sie Modellflexibilität wollen, bedeutet Eigens modellagnostische Architektur, dass Sie verschiedenen Workern unterschiedliche Modelle zuweisen können. Verwenden Sie Claude Opus für komplexe Reasoning-Aufgaben, GPT für Codegenerierung und ein lokales Ollama-Modell für datenschutzsensible Operationen — alles innerhalb desselben Multi-Agenten-Workflows.

Wenn Sie Ihre Infrastruktur selbst besitzen möchten, bedeutet Eigens Open-Source-Stack (FastAPI, Electron, CAMEL-AI), dass Sie jede Schicht inspizieren, ändern und erweitern können. Kein Warten darauf, dass ein Anbieter ein Feature ausliefert. Keine Beta-Zugriffshürden.

Und wenn Kosten in großem Maßstab wichtig sind, ist Eigent kostenlos. Sie zahlen nur für die API-Aufrufe, die Ihre Worker an Modellanbieter machen — und wenn Sie lokale Modelle über Ollama betreiben, zahlen Sie gar nichts.

Fazit

Claude Managed Agents ist ein starkes Produkt für Entwickler, die möchten, dass Anthropic die Infrastruktur für die Ausführung autonomer Agenten übernimmt. Es vereinfacht die schwierigen Teile — Sandboxing, Tool-Ausführung, Sitzungsverwaltung und Multi-Agenten-Koordination — zu einer sauberen API, die sofort einsatzbereit ist.

Aber verwaltete Infrastruktur bringt verwaltete Kompromisse mit sich: Cloud-Abhängigkeit, Modell-Lock-in und Datenfluss über einen Dritten. Für Teams, die Kontrolle, Datenschutz und Flexibilität benötigen, sind diese Kompromisse relevant.

Eigents Add-Worker-Funktion, angetrieben von CAMEL-AIs Open-Source-Multi-Agenten-Framework, liefert dieselbe Kernfähigkeit — autonome KI-Agenten erstellen, konfigurieren und orchestrieren — ohne diese Einschränkungen. Sie erstellen und verwalten Ihre Agenten lokal, auf Ihrer eigenen Maschine, mit jedem Modellanbieter und mit vollständiger Transparenz des Quellcodes.

Beide Ansätze haben ihren Platz. Wenn Sie den schnellsten Weg zu einem cloudgehosteten Claude-Agenten suchen, sind Managed Agents hervorragend. Wenn Sie Ihre Agenteninfrastruktur selbst besitzen und Ihre Daten lokal halten möchten, ist Eigent die Open-Source-Alternative, die es sich zu evaluieren lohnt.